化学品の市場調査、研究開発の支援、マーケット情報の出版

~NeRFの理解から、3D Gaussian Splattingの動向まで ~
<NeRFはNNで何をしているのか,なぜ従来より高精度な画像を生成できるのか>

 
1口(1社3名まで受講可能)でのお申込は 受講料66,000円(税込)/1口 が格安となります。
本セミナーはZoomを使用いたします。

トリケップスセミナーのご案内

 開催日時:2024年8月1日(木)13:30~16:30
 参 加 費:お1人様受講の場合 51,700円(税込/1名)
     1口(1社3名まで受講可能)でお申し込みの場合 66,000円(税込/1口)

 ★ 本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、お申込み前にZoomのテストミーティング(http://zoom.us/test)にアクセスできることをご確認下さい。

 ★ インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。

 ★ 受講中の録音・撮影等は固くお断りいたします。
 
 
お申し込み受付中

申込方法

 お1人様受講の場合、下記のカートへの投入、あるいはFAX用紙にてお申込ください。
 1口でお申し込みの場合、下記のFAX用紙にてお申込ください。

  お1人様申込み
     FAX申込用紙PDF 
  1口(1社3名まで受講可能)でお申し込み    FAX申込用紙PDF 
 

講 師

内山 英昭 氏  奈良先端科学技術大学院大学 先端科学技術研究科 情報科学領域
サイバネティクス・リアリティ工学研究室(CAREラボ) 准教授

< 略 歴 >
2010年9月 慶應義塾大学大学院 開放環境科学専攻 博士課程 修了
2010年10月 フランス国立情報学自動制御研究所 博士研究員
2012年7月 株式会社 東芝 研究開発センター
2014年4月 九州大学 大学院システム情報科学研究院 助教
2018年4月 九州大学 附属図書館 准教授
2021年4月 現職

移動体の自己位置推定及び周辺環境認識技術に関する研究に従事.特にカメラを用いたVisual SLAM[1]やIMUを用いたInertial odometry[2]など,様々なセンサに関する技術を開発.自己位置推定に関する国際会議IPINで開催されるコンペティションにおいて1位を含む多数入賞.拡張現実感の位置合わせ技術[3]やVisual SLAM[4]の技術解説を執筆.

  [1] MOTSLAM: MOT-assisted monocular dynamic SLAM using single-view depth estimation, IROS, 2022.
  [2] DUET: Improving Inertial-Based Odometry via Deep IMU Online Calibration, TIM, 2023.
  [3] AR(拡張現実)技術の基礎・発展・実践 (設計技術シリーズ),科学情報出版(第一章担当)
  [4] コンピュータビジョン―広がる要素技術と応用―,共立出版(第四章担当)

講義項目

 Neural Radiance Fields(NeRF)とは2020年に提案されたニューラルネットワーク(NN)に基づく映像生成技術です.ある物体を様々な向きから撮影した画像を入力すると,NNが内部で物体の形状をモデル化し,視点を自由に動かしてその物体の画像を生成できます.この技術は一般に自由視点画像生成とも呼ばれます.NeRFは従来手法よりも高精細な画像を生成でき,さらに3次元モデリング技術としても活用可能なため,非常に注目されていま
す.

 本セミナーでは,NeRFに興味がある,NeRFは聞いたことがあるけど技術はよく分からない,NeRFを業務に導入する可能性を検討されている方を対象に,NeRFを理解する上での基礎知識を解説します.具体的には,コンピュータビジョンで古くから用いられている理論であるカメラ幾何や三角測量,Multi-view stereoです.これらの技術を踏まえてNeRFの考え方を説明します.NeRFはディープラーニングの技術として解説されることが多いですが,コンピュータビジョンの観点では三角測量やバンドル調整の発展版として考えることで,より一層NeRFの理解を深めることができます.NeRFはNNで何をしているのか,なぜ従来より高精度な画像を生成できるのか,というポイントを理論的な側面から分かりやすく解説します.
 
 1. NeRFの概要
   1.1 NeRFとは何か
   1.2 NeRFの特徴
   1.3 NeRFの応用例
  
 2. コンピュータビジョンの基礎知識
   2.1 カメラ幾何
   2.2 三角測量
   2.3 バンドル調整
   2.4 SfM(structure from motion)
   2.5 ステレオマッチング
   2.6 再投影誤差とPhotometric error
   2.7 Multi-view stereo
  
 3. NeRFの原理と動向
   3.1 入力と出力
   3.2 ニューラルネットワークを用いた空間表現
   3.3 Volumetric renderingを用いた画像生成
   3.4 NeRFの最適化に用いる誤差関数
   3.5 NeRFの最新の動向